Duygu Sınıflandırmasında Derin Öğrenme ve Makine Öğrenmesi: X Platformundaki Mobil Oyun Tweet'lerinin Karşılaştırmalı Analizi

Abstract

Bu makale, mobil oyunlarla ilgili tweetlerin duygu analizini gerçekleştirmek için uygulanan farklı makine ve derin öğrenme yöntemlerinin karşılaştırılmasına dayalı bir genel bakış sunmaktadır. Twitter'dan (X) 2020-2021 yılları arasında toplanan veri kümesi, Count Vectorizer ve TF-IDF metodolojisi kullanılarak ön işlemden geçirilmiş ve vektörleştirilmiştir. Doğrusal Destek Vektör Sınıflandırıcısı (SVC), Lojistik Regresyon (LR), Ridge Sınıflandırıcısı (RC) ve Oylama Sınıflandırıcısı (VC) gibi geleneksel makine öğrenimi modelleri, TEMSAP-CNNLSTM modelinin tek başına ve BERT ile geliştirilmiş sürümleri gibi birkaç derin öğrenme mimarisine karşı kıyaslanmıştır. Sonuçlar, derin öğrenme modellerinin geleneksel makine öğrenimi sınıflandırıcılarından daha iyi performans gösterdiğini, bu modellerin %97,10'lukla en yüksek sınıflandırma performansına ulaştığını ve yanlış negatifleri ve yanlış pozitifleri en aza indirmede etkileyici bir başarı elde ettiğini ortaya koymuştur. Ridge Sınıflandırıcı en düşük performansı sergilemiş, twitter yorumlarını %76,76 doğrulukla doğru sınıflandırarak duyarlılık sınıflandırmasındaki sınırlılıklarını göstermiştir. Buna ek olarak, Oylama Sınıflandırıcısı gibi toplu öğrenme teknikleri, bireysel makine öğrenimi modellerinden çok daha iyi performans göstermiş ve böylece model birleştirmenin faydalarını yeniden ortaya koymuştur. Bu çalışma, BERT gibi dönüştürücü tabanlı modellerin mobil oyunlarla ilgili metin verilerinin duygu sınıflandırmasında kayda değer bir başarı gösterdiğini ortaya koymuştur.